Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng

1
© Học viện Ngân hàng
ISSN 1859 - 011X 
Tạp chí Khoa học & Đào tạo Ngân hàng
Số 214- Tháng 3. 2020
Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng
Nguyễn Văn Thủy
Phòng Đào tạo- Học viện Ngân hàng
Ngày nhận: 14/08/2019 Ngày nhận bản sửa: 23/08/2019 Ngày duyệt đăng: 18/09/2019
Sự phát triển bùng nổ liên tục của việc ứng dụng trí tuệ nhân tạo (Artificial 
intelligence-AI) và các kỹ thuật học máy mang lại cơ hội cho những cải 
tiến lớn trong hoạt động ngân hàng. Nghiên cứu thực hiện tổng kết các 
ứng dụng AI trong hoạt động ngân hàng, phân tích các tác động chính của 
AI tới hoạt động của các ngân hàng, đồng thời đánh giá những thách thức 
khi ứng dụng AI trong ngân hàng. Từ đó, nghiên cứu đưa ra một số khuyến 
nghị cho các ngân hàng Việt Nam.
Từ khóa: Trí tuệ nhân tạo; Trí tuệ nhân tạo trong hoạt động ngân hàng.
The impact of artificial intelligence on banking operations 
The ongoing explosive growth of the use of AI and machine learning techniques offers ample opportunity for 
massive improvements in banking. The study summarizes AI applications in banking operations, analyze the 
main impacts of AI on banking operations, and assesses the challenges of AI applications in banks. Since then, 
the study offers some recommendations for Vietnamese banks.
Keywords: Artificial intelligence; Artificial intelligence in banking
Thuy Van Nguyen
Email: thuynv@hvnh.edu.vn
Academic Affairs, Banking Academy of Vietnam
1. Giới thiệu 
Thuật ngữ “Trí tuệ nhân tạo” (Artificial 
Intelligence- AI) được McCarthy (1956) 
giới thiệu lần đầu tiên tại Hội nghị 
Dartmouth năm 1956. Có nhiều khái niệm 
về AI và chưa khái niệm AI nào được coi 
là hoàn chỉnh, tuy nhiên, theo phạm vi cơ 
bản của AI là một hệ thống/ chương trình 
có khả năng trí tuệ như khả năng tư duy, 
nhận thức hoặc thực hiện các nhiệm vụ đòi 
hỏi trí tuệ. Có 4 nhóm quan điểm chính về 
AI bao gồm: (1) Suy nghĩ giống người; (2) 
Hành động giống người; (3) Suy nghĩ có lý 
trí; (4) Hành động có lý trí. Các khái niệm 
cơ bản về AI được phân thành 2 trường 
phái chính: (1) AI mạnh: Có thể tạo ra 
thiết bị có trí thông minh và các chương 
trình máy tính thông minh hơn người; (2) 
AI yếu: Chương trình máy tính có thể mô 
phỏng các hành vi thông minh của con 
người. 
Theo Kaya Orçun và các cộng sự (2019), 
Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng
2 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 214- Tháng 3. 2020
AI là một hệ thống có khả năng hiểu được 
chính xác dữ liệu bên ngoài, học từ dữ 
liệu đó và sử dụng những tri thức từ dữ 
liệu đó để đạt được các mục tiêu và nhiệm 
vụ cụ thể một cách thích ứng và linh hoạt. 
Trí tuệ nhân tạo đề cập đến khả năng các 
chương trình máy tính có được và áp dụng 
tri thức mà không cần sự can thiệp và tham 
gia của con người. Bằng cách quan sát thế 
giới xung quanh và phân tích thông tin một 
cách tự động, các hệ thống AI đưa ra kết 
luận và đưa ra các hành động phù hợp. Các 
hệ thống AI học hỏi từ các đánh giá trước 
đây và tùy thuộc vào mức độ chính xác, 
cải thiện hiệu suất của hệ thống theo thời 
gian (Kaya và cộng sự, 2019). Ngoài việc 
mô phỏng các khả năng thông thường của 
con người, AI đang nhanh chóng tiến lên 
để làm chủ các nhiệm vụ chuyên biệt hơn 
được thực hiện thường xuyên như các hệ 
chuyên gia (WIPO, 2019).
Mặc dù ra đời cách đây rất lâu, nhưng 
AI mới thực sự bùng nổ trong khoảng 5 
năm gần đây do sự bùng nổ của dữ liệu 
lớn (BigData) và sức mạnh xử lý của máy 
tính, do BigData đang được coi là nhiên 
liệu quan trọng cho các mô hình AI đang 
được triển khai. Đồng thời, sự tăng trưởng 
mạnh mẽ của điện toán hiệu năng cao, là 
nền tảng tính toán giúp các mô hình AI 
thực hiện để dẫn tới luồng thông tin cực 
kỳ khổng lồ đang tiềm ẩn trong BigData 
và thực hiện các nhiệm vụ mang tính trí 
tuệ nhanh hơn, hiệu quả hơn. AI tập trung 
vào 1) “trí tuệ nhân tạo”, “học máy” ; 2) 
“mạng nơron”, “học sâu” (deep learning); 
và 3) “thị giác máy tính» (computer 
vision), “phân tích dự đoán”, “xử lý ngôn 
ngữ tự nhiên”, “hệ thống thông minh” và 
“trợ lý ảo”.
Qui mô đầu tư vào AI ngày càng tăng. 
Theo WIPO (2019), năm 2013 các công 
ty khởi nghiệp về AI toàn cầu nhận được 
khoảng dưới 2 tỷ USD đầu tư, nhưng đến 
năm 2018, mức đầu tư nhận được đã lên 
trên 24 tỷ USD. Trong đó, gần 15 tỷ USD 
đã được chuyển đến các công ty khởi 
nghiệp AI ở Mỹ, và 6,5 tỷ USD khác đã 
thuộc về các công ty Trung Quốc. Ủy ban 
Châu Âu cũng đã đề xuất riêng một ngân 
sách tài trợ cho các dự án nghiên cứu 
và đổi mới ở Châu Âu với khối lượng 
77 tỷ EUR trong khoảng từ 2014 đến 
2020, 100 tỷ EUR từ năm 2021 đến 2027 
trong chương trình Horizon Europe. Một 
trong những tiểu mục chính của Horizon 
Europe là Chương trình Digital Europe, 
nhằm mục đích đầu tư 9 tỷ EUR vào điện 
toán hiệu năng cao và dữ liệu, AI, an ninh 
mạng và các dự án kỹ năng số tiên tiến 
(Kaya và cộng sự, 2019). Theo thống kê 
của International Data Corporation (IDC) 
dự đoán rằng tốc độ tăng trưởng kép hàng 
năm cho việc đầu tư vào AI toàn cầu sẽ 
là 50,1%, đạt 57,6 tỷ USD vào năm 2021. 
Điều này là nhờ các khoản đầu tư vào bán 
lẻ, ngân hàng, y tế và sản xuất, sẽ chiếm 
hơn một nửa chi tiêu trên toàn thế giới 
cho AI.
Nghiên cứu và ứng dụng thành công AI 
trong tất cả các lĩnh vực của đời sống, 
kinh tế xã hội là một trong các xu hướng 
nổi bật hiện nay. Các hệ thống AI với 
khả năng xử lý thông tin khổng lồ đang 
hàng ngày trở thành trợ thủ giúp ích cho 
các doanh nghiệp, các tổ chức trong việc 
ra quyết định và định hướng kinh doanh, 
marketing, tuyển dụng, đào tạo, ra chính 
sách Lĩnh vực ngân hàng là một trong 
những lĩnh vực ứng dụng và chịu tác động 
mạnh mẽ của AI hiện nay. Các ngân hàng 
trên thế giới đã đưa một loạt ứng dụng AI 
trong việc quản lý danh mục rủi ro, quản 
lý khách hàng và quản lý cơ sở dữ liệu ở 
mức độ chính xác và tốc độ xử lý nhanh 
NGUYỄN VĂN THỦY
3Số 214- Tháng 3. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng
hơn con người. Song song với các lợi ích 
to lớn đạt được thì một loạt tác động của 
AI tới hoạt động của ngân hàng như mô 
hình, cấu trúc hoạt động của các ngân 
hàng thay đổi. Chính vì vậy, nghiên cứu 
này thực hiện xác định các tác động chính 
của AI tới mô hình hoạt động của các 
ngân hàng, những trở ngại trong việc ứng 
dụng AI trong các ngân hàng, từ đó đưa 
ra một số hàm ý chính sách cho các ngân 
hàng thương mại (NHTM) Việt Nam.
2. Ứng dụng AI trong hoạt động ngân hàng
Ngày nay, lượng dữ liệu lớn tại các ngân 
hàng đang được sinh ra trong quá trình 
hoạt động và lượng dữ liệu lớn từ bên 
ngoài ngân hàng đang bùng nổ. Mặt khác, 
các ngân hàng đang triển khai mạnh mẽ 
hạ tầng công nghệ hướng tới phát triển 
ngân hàng số. Do đó, hai nền tảng công 
nghệ của AI là Bigdata và Điện toán hiệu 
năng cao trong các ngân hàng đã phát triển 
mạnh mẽ. Điều đó giúp các ngân hàng có 
thể áp dụng sức mạnh của AI ngay bây giờ 
mà không cần phải chờ đợi một phát minh 
khoa học đột phá khác. Các ngân hàng và 
các công ty fintech đã và đang nghiên cứu 
và ứng dụng mạnh mẽ AI vào tất cả các 
hoạt động. Tận dụng lượng dữ liệu lớn mà 
các ngân hàng sở hữu và các tri thức trong 
dữ liệu đó, xây dựng các mô hình ứng 
dụng AI từ dữ liệu đó, sẽ mang lại nhiều 
lợi ích cho các ngân hàng (Kaya và cộng 
sự, 2019).
Nằm trong xu thế phát triển chung của 
AI, trong những năm gần đây, các ngân 
hàng cũng đã nghiên cứu triển khai ứng 
dụng AI mạnh mẽ trong tất cả các hoạt 
động như: (1) Hướng vào khách hàng; (2) 
hướng vào hoạt động; (3) quản lý giao 
Bảng 1. Ứng dụng AI trong ngân hàng
Nhóm ứng dụng Các ứng dụng
Hướng vào 
khách hàng
- Xếp hạng tín dụng
- Các chính sách bảo hiểm
- Chatbots/ trợ lý ảo với 
khách hàng
- Thấu hiểu khách hàng 
(KYC)
Hướng vào các 
hoạt động
- Tối ưu hóa nguồn vốn
- Mô hình quản lý rủi ro
- Kiểm thử độ tin cậy và 
ổn định
- Phát hiện gian lận
Quản trị thương 
mại và đầu tư
- Thực thi giao dịch 
thương mại
- Quản trị danh mục đầu 
tư
Tuân thủ các 
quy định
- Công nghệ điều tiết
- Giám sát vĩ mô
- Đảm bảo chất lượng dữ 
liệu
- Công nghệ giám sát
Sources: Deutsche Bank Research Board (2017), 
Kaya và cộng sự (2019)
Bảng 2. Ứng dụng AI tại một số ngân hàng thương mại trên thế giới
Ứng dụng AI
Ngân hàng 
ứng dụng Lợi ích thu được
Khách 
hàng
Trợ lý ảo trong hỗ trợ tư vấn 
khách hàng HSBC, RBS
Trợ lý ảo giúp giảm 70- 90% các 
cuộc gọi tư vấn, hỗ trợ của khách 
hàng.
AI dựa trên phân tích nhật ký 
tương tác với khách hàng
DBS, Bank 
of America,
HDFC Bank
Trên 60% các truy vấn được giải 
quyết nhanh hơn thông qua phân tích 
nhật ký tương tác với khách hàng.
AI dựa trên phân tích tối ưu 
thanh khoản
JP Morgan, 
Yes Bank, 
HSBC
Giảm 10- 15% bộ đệm thanh khoản 
khả thi thông qua tối ưu hóa dự đoán.
Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng
4 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 214- Tháng 3. 2020
dịch và danh mục đầu tư, 4) tuân thủ quy 
định (Bảng 1).
Song song với việc triển khai ứng dụng 
sâu rộng AI trong ngân hàng, AI ngày 
càng mang lại nhiều lợi ích cho các ngân 
hàng. AI ngày càng được coi là một lợi 
thế cạnh tranh, với việc các ngân hàng tìm 
cách phân tích dữ liệu có cấu trúc/ không 
cấu trúc, chuyển đổi dữ liệu thô thành tri 
thức để cải thiện doanh thu, giảm tổn thất 
và chi phí. Các ứng dụng thành công nhất 
của AI trong ngân hàng tập trung vào trải 
nghiệm khách hàng, tối ưu hóa quy trình, 
cải thiện hiệu quả các hoạt động, cá nhân 
hóa các sản phẩm dịch vụ hướng tới cung 
cấp các sản phẩm dịch vụ cạnh tranh nhất 
trên thị trường. Các lợi ích khi các ngân 
hàng ứng dụng AI được thể hiện trong 
Bảng 2.
3. Tác động của AI tới hoạt động ngân hàng
Xem xét các ứng dụng AI trong ngân hàng 
dưới góc độ hệ thống thông tin với 5 thành 
phần chính: Phần cứng, phần mềm, dữ 
liệu, quy trình và con người, trong đó, phần 
cứng, phần mềm được xem xét dưới góc độ 
công nghệ. Do vậy tác động của AI tới mô 
hình hoạt động ngân hàng sẽ là con người, 
quy trình và dữ liệu (Accenture, 2018).
Tác động lớn nhất của AI tới mô hình 
hoạt động của ngân hàng đó là con người. 
Nhiều công việc đang được thay thế bởi 
các ứng dụng AI như hỗ trợ khách hàng, 
kế toán, định giá, phân đoạn khách hàng, 
bán chéo sản phẩm, quản lý rủi ro Theo 
Bloomberg (2017), dự báo có đến trên 
30% các công việc trong ngân hàng sẽ 
biến mất trong 5 năm tới do tác động của 
AI và các ứng dụng công nghệ. Điều đó 
dẫn đến một lượng lớn lao động trong các 
ngân hàng sẽ thay thế bởi công nghệ. Các 
ngân hàng Châu Âu đã cắt giảm khoảng 
15% nhân viên sau khủng hoảng tài chính 
năm 2008. Dự báo trong giai đoạn 2015- 
2025, các ngân hàng trên thế giới sẽ cắt 
giảm nhân sự khoảng 30% (trung bình 
khoảng 3% mỗi năm) do ứng dụng AI 
trong lĩnh vực ngân hàng bán lẻ.
Tác động mạnh thứ hai của AI tới hoạt 
động của các ngân hàng là quy trình. Với 
sức mạnh của điện toán hiệu năng cao kết 
hợp với BigData, AI thể hiện lại mọi quy 
trình, mô hình nghiệp vụ và ứng dụng các 
giải thuật thông minh để thay đổi tự động 
Ứng dụng AI
Ngân hàng 
ứng dụng Lợi ích thu được
Hoạt 
động
AI phân tích dự đoán về DPO / 
DSO ước tính, để tối ưu hóa tài 
chính của nhà cung cấp
Wells Fargo, 
DBS, JP 
Morgan
Cải thiện dự báo tài chính DPO/DSO 
bằng 70- 90%.
Tự động hóa đối chiếu sổ cái JP Morgan, ICICI, Axis
Giảm chi phí hoạt động khoảng 40-
60%.
Tự động đối chiếu thanh toán 
cho các khoản phải thu
Bank of 
America, Citi
Giảm chi phí hoạt động khoảng 40-
60%.
Rủi ro 
& Tuân 
thủ
Xử lý hợp đồng thông minh và 
tự động JP Morgan
Giảm 80- 90% chi phí pháp lý thông 
qua tự động hóa các điều khoản 
được tiêu chuẩn hóa.
AI dự đoán mức độ rủi ro cho 
các khoản đầu tư của khách 
hàng 
CapitalOne,
Goldman 
Sachs
Rủi ro dự đoán cải thiện 20- 30%.
Nguồn: Citi Digital Strategy, Citi Research (GPS, 2018)
NGUYỄN VĂN THỦY
5Số 214- Tháng 3. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng
hóa các quy trình hướng tới quy trình và 
mô hình tối ưu nhất. Áp lực đối với các 
ngân hàng trong kỷ nguyên số là khách 
hàng muốn được đáp ứng các nhu cầu mọi 
lúc, mọi nơi với chi phí cạnh tranh nhất. 
Các ngân hàng phải cung cấp cho khách 
hàng một hợp kênh (omni channel) vượt 
trội đồng bộ trải nghiệm của khách hàng. 
Để làm được điều đó, các ngân hàng cần 
tích hợp nhiều ứng dụng AI trong phân 
tích dữ liệu lớn về khách hàng, đồng bộ 
công nghệ và quy trình chuyển đổi số, 
nhúng và tích hợp các công nghệ mới xử 
lý nhanh trong hợp kênh để tối đa hóa giá 
trị dịch vụ ngân hàng. Tác động của AI tới 
quy trình sẽ tác động trực tiếp tới hiệu quả 
hoạt động của ngân hàng, góp phần tạo ra 
các sản phẩm dịch vụ ngân hàng mới.
Thứ ba, tăng cường ứng dụng AI sẽ giúp 
các ngân hàng cải thiện được các phân 
tích dữ liệu lớn, phát triển các thuật toán 
với dữ liệu giao dịch nhanh hơn và kết 
hợp dữ liệu theo những cách mới để khám 
phá xu hướng nhanh và hiệu quả hơn. Tuy 
nhiên dữ liệu lớn về khách hàng mà các 
ngân hàng đang sở hữu phần lớn là dữ liệu 
có cấu trúc hoặc bán cấu trúc được sinh 
ra trong quá trình khách hàng tiếp xúc 
và giao dịch với ngân hàng. Cùng với sự 
phát triển của công nghệ một lượng lớn 
dữ liệu phi cấu trúc khác về hành vi của 
khách hàng sinh ra trên mạng xã hội, giao 
dịch thương mại điện tử, mobile, mạng 
Internet, đang được sở hữu bởi các đối 
thủ cạnh tranh trực tiếp với ngân hàng như 
Google, Apple, Facebook, Amazon. Sử 
dụng AI để phân tích dữ liệu lớn hiện có 
của ngân hàng, kết hợp với lượng dữ liệu 
lớn phi cấu trúc ngoài ngân hàng để có thể 
có được cái nhìn sâu sắc về cuộc sống của 
khách hàng, tham vọng, ước mơ, nhu cầu 
và thách thức của họ là một thách thức lớn 
đối với các ngân hàng hiện nay. Xóa bỏ 
được các dữ liệu trùng lặp, dữ liệu rác, 
trong nguồn dữ liệu lớn đó, tạo ra các cách 
thức tiếp cận dữ liệu năng động hơn, AI sẽ 
tác động đến nguồn dữ liệu hướng tới phát 
triển các dịch vụ ngân hàng ngày càng 
được cá nhân hóa hơn.
Bằng cách sử dụng một nền tảng thông 
minh giúp tăng cường hoạt động trong 
ngân hàng, giúp các ngân hàng xác định 
lại cách vận hành tự động hóa thông minh 
và mở khóa sự phát triển thông qua dữ 
liệu. Các ngân hàng cần hiểu rõ sự tương 
tác giữa các yếu tố con người, quy trình 
và dữ liệu khi ứng dụng AI để có thể đạt 
được lợi ích tối đa.
Hình 1. Sự thay đổi nhân sự ngân hàng năm 2016 với 2009
Nguồn: ECB, Citi Research (2018)
Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng
6 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 214- Tháng 3. 2020
4. Những thách thức khi ứng dụng AI 
trong hoạt động ngân hàng
Mặc dù ứng dụng AI đã mang lại cho các 
ngân hàng nhiều lợi ích như xây dựng trải 
nghiệm khách hàng tốt hơn, giảm chi phí 
hoạt động và hỗ trợ quản lý, dự báo rủi ro 
nhưng công nghệ này vẫn tiềm ẩn nhiều 
thách thức (Gilbert, 2018).
Thách thức đầu tiên đó là các vấn đề về 
các quy định bảo vệ dữ liệu cá nhân. Dữ 
liệu được coi như là nguồn nhiên liệu quan 
trọng cho các ứng dụng AI. Dữ liệu phục 
vụ cho các ứng dụng AI ngoài dữ liệu nội 
bộ ngân hàng còn có nhiều dữ liệu khác 
thu thập hoặc mua từ các nguồn bên ngoài 
ngân hàng. Giống như các xu hướng công 
nghệ mới nổi, đặc biệt là những công nghệ 
yêu cầu thu thập dữ liệu cá nhân, việc ứng 
dụng AI đi kèm với rủi ro riêng của nó. 
Đó là rủi ro về các quy định luật pháp bảo 
vệ dữ liệu cá nhân, quy định về việc được 
quyền thu thập, truy cập và sử dụng dữ 
liệu cá nhân. Rủi ro này tác động trực tiếp 
đến các ứng dụng AI bởi các ứng dụng AI 
của các ngân hàng phần lớn sử dụng dữ 
liệu cá nhân khách hàng. Ví dụ, theo Kaya 
và cộng sự (2019), quy định chung về bảo 
vệ dữ liệu của Châu Âu có hiệu lực từ năm 
2018 có rất nhiều điều khoản tác động đến 
các ứng dụng AI như Điều khoản số 22 
về các quyết định xử lý dữ liệu để đưa ra 
các quyết định không được xử lý tự động 
hoàn toàn, Điều khoản số 13 về tiết lộ các 
thông tin, và các điều khoản khác quy định 
về việc thu thập, sử dụng dữ liệu cá nhân. 
Các quy định này sẽ hạn chế lớn đến các 
hiệu quả của các ứng đụng AI khi đưa ra 
các quy định ràng buộc chặt chẽ về nguồn 
nhiên liệu cho các ứng dụng AI là dữ liệu.
Thứ hai đó là tính minh bạch của các ứng 
dụng AI. Các hệ thống AI được xử lý bởi 
các hệ thống điện toán lớn kết hợp với 
dữ liệu lớn. Mô hình hoạt động của AI là 
“hộp đen” với thuật toán phức tạp vượt 
quá khả năng xử lý của con người. Điều 
đó khiến cho tính minh bạch của các hệ 
thống AI bị ảnh hưởng: (1) khó giải mã 
được cách hệ thống đạt được kết luận; và 
(2) khó xác minh lý do hệ thống đưa ra 
khuyến nghị. Nhưng điều quan trọng đối 
với các ngân hàng khi triển khai AI là có 
thể giải thích được, minh bạch và có thể 
chứng minh được, nhờ đó có được sự tin 
tưởng của lãnh đạo, khách hàng. Đó là 
một thách thức lớn khi ứng dụng AI trong 
ngân hàng. Ví dụ một ứng dụng AI về xét 
duyệt hồ sơ tín dụng của khách hàng đưa 
ra quyết định cuối cùng về cho vay hay 
không cho vay. Một khách hàng không 
được vay sẽ có nhu cầu biết tại sao mình 
không được duyệt hồ sơ. Nhưng đối với 
các ứng dụng AI quyết định được đưa ra 
dựa trên dữ liệu lớn với tập các quy luật 
lớn phức tạp được sinh ra từ dữ liệu lớn 
đó. Điều đó sẽ khó giải thích cụ thể đối 
với khách hàng bởi quyết định được hệ 
thống AI đưa ra dựa trên một tập luật phức 
tạp với các lý do phức tạp được tính toán 
dựa trên các hệ thống điện toán lớn.
Thứ ba là chất lượng dữ liệu phục vụ cho 
các ứng dụng AI. Các thuật toán của AI 
thường phải sử dụng các bộ dữ liệu ban 
đầu để huấn luyện, AI sau đó sử dụng để 
khám phá các mối quan hệ tiên đoán. Và 
rủi ro khi ứng dụng AI có thể đến từ vấn 
đề này. Các tác nhân độc hại có thể đưa 
các bộ dữ liệu thiên vị vào ứng dụng AI để 
huấn luyện, từ đó đưa ra các lỗ hổng của 
các ứng dụng AI hoặc đưa ra các tiên đoán 
không đúng về các mối quan hệ. Chất 
lượng dữ liệu cho các ứng dụng AI cần 
phải đảm bảo tính an toàn dữ liệu bao gồm 
tính bí mật- confidentiality, tính toàn vẹn- 
integrity, tính sẵn sàng- availability.
NGUYỄN VĂN THỦY
7Số 214- Tháng 3. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng
Thứ tư là vấn đề về con người. Do các ứng 
dụng của AI sẽ thay thế con người trong 
một số hoạt động của ngân hàng nên khi 
triển khai ứng dụng AI sẽ có sự phản kháng 
của người dùng. Mặt khác, giống như các 
hệ thống thông tin, trong hệ thống AI con 
người đóng vai trò quan trọng nhất- đó là 
lực lượng vừa am hiểu lĩnh vực tài chính 
vừa am hiểu công nghệ, am hiểu về AI. 
Tuy nhiên lực lượng nhân sự này hiện còn 
đang rất thiếu đối với các ngân hàng.
AI mang đến cơ hội lớn cho các ngân hàng 
trong việc nâng cao trải nghiệm khách 
hàng, tự động và tối ưu hóa quy trình, 
giảm chi phí hoạt động và phát hiện gian 
lận. Tuy nhiên, các ngân hàng sẽ phải cân 
bằng lợi ích của AI với các rủi ro đi kèm 
với độ mờ của AI. Việc tìm ra cách ứng 
dụng AI nào hiệu quả nhất cho mô hình 
hoạt động của mình là một thách thức đối 
với các ngân hàng.
5. Một số khuyến nghị cho các ngân 
hàng Việt Nam
Bắt nhịp với xu thế của các ngân hàng thế 
giới, các ngân hàng Việt Nam thời gian 
qua đã bước đầu triển khai ứng dụng AI để 
phục vụ khách hàng tốt hơn, cải thiện hiệu 
suất và tăng doanh thu. Hầu hết các ngân 
hàng Việt Nam mới bước đầu triển khai 
thử nghiệm ứng dụng AI, tập trung chính 
ở một số ứng dụng trợ lý ảo- chatbots, xếp 
hạng tín dụng, phát hiện gian lận, rủi ro 
(Lê Thị Anh Quyên, 2019).
Mặc dù được dự báo AI mang lại nhiều 
lợi ích cho các ngân hàng nhưng AI cũng 
tác động lớn đến hoạt động của các ngân 
hàng và có nhiều thách thức khi ứng dụng 
AI trong hoạt động ngân hàng. Đó là các 
động đến nhân sự, quy trình và hoạt động 
của ngân hàng sẽ chịu sự tác động lớn 
khi ứng dụng AI. Điều đó đặt ra cho các 
ngân hàng Việt Nam cần nắm bắt được xu 
hướng, ứng dụng cách làm việc và kiểm 
soát AI để đảm bảo hoạt động ngân hàng 
diễn ra an toàn, hiệu quả. Tác động của 
AI sẽ thúc đẩy các ngân hàng chuyển đổi 
mô hình hoạt động mới, đòi hỏi các ngân 
hàng Việt Nam cần có sự nhất quán trong 
mô hình quản trị, kế hoạch chuyển đổi và 
phương thức triển khai trên cơ sở tính toán 
kỹ lưỡng nguồn lực, tiềm năng và những 
rủi ro sẽ gặp phải. Một số vấn đề cụ thể để 
có thể ứng dụng thành công AI gia tăng 
các tác động tích cực và hạn chế được tối 
đa các tác động tiêu cực tới các hoạt động 
ngân hàng bao gồm:
Thứ nhất, các ngân hàng Việt Nam cần 
có một chiến lược cho việc ứng dụng AI. 
Các ngân hàng cần tổ chức lại dữ liệu hiện 
có, kết nối và thu thập với các dữ liệu bên 
ngoài ngân hàng tạo thành một kho dữ liệu 
lớn tốt nhất có thể và đảm bảo được các 
quy định về bảo vệ dữ liệu. Các dữ liệu 
đó cần được các ngân hàng tổ chức trong 
Data Warehouse, Data Marts. Ngoài ra, 
các ngân hàng cần có các chiến lược thu 
thập và khai thác các dữ liệu khách hàng 
từ các nguồn bên ngoài khách hàng như 
dữ liệu khách hàng trên mạng Internet, 
Mobile Từ đó xác định các mục tiêu 
ứng dụng AI, xây dựng quy trình, thuật 
toán, dữ liệu phù hợp cho các ứng dụng 
AI, cách thức kiểm soát AI để đảm bảo 
hoạt động của ngân hàng được an toàn, 
hiệu quả. 
Thứ hai, các ngân hàng Việt Nam cần có 
các chiến lược đầu tư hạ tầng công nghệ 
thông tin với nền tảng các kênh giao dịch 
hiện đại, đồng bộ kết hợp với nền tảng 
Core Banking hiện đại, đạt chuẩn quốc tế, 
kiến trúc linh hoạt và sẵn sàng thích ứng 
với xu thế số hóa hệ sinh thái ngân hàng. 
Tác động của trí tuệ nhân tạo tới hoạt động ngân hàng
8 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 214- Tháng 3. 2020
Đó là môi trường thuận lợi để các ứng 
dụng AI phát triển, cung cấp nền tảng cho 
công tác phòng ngừa giao dịch lừa đảo, 
chống rửa tiền, tối ưu hóa quản trị rủi ro, 
phân tích, đề xuất các hạng mục đầu tư 
hiệu quả; Hỗ trợ công tác tự động hóa quy 
trình, rút ngắn thời gian phục vụ khách 
hàng, nâng cao năng suất lao động; Gia 
tăng mức độ thấu hiểu khách hàng, nâng 
cao chất lượng hỗ trợ và trải nghiệm dịch 
vụ của khách hàng.
Thứ ba, đó là nhu cầu nguồn nhân lực chất 
lượng cao cho phát triển các ứng dụng AI 
của các ngân hàng đang rất lớn trong khi 
đó nguồn cung còn khan hiếm. Nguồn 
nhân lực này đòi hỏi phát triển cả 3 mặt: 
Hiểu biết về tài chính ngân hàng, kỹ năng 
về AI, kỹ năng ngoại ngữ. Tuy nhiên 
nguồn đào tạo nhân lực hiện nay chưa đáp 
ứng đủ cả 3 mặt trên. Điều đó đặt ra cho 
các ngân hàng cần chủ động đào tạo, đào 
tạo lại nguồn nhân lực, mặt khác các ngân 
hàng các phối hợp với các cơ sở đào tạo 
cùng phát triển các chương trình đào tạo 
về phát triển và ứng dụng AI trong ngân 
hàng ■
Tài liệu tham khảo
1. Accenture (2018), REDEFINE BANKING with Artificial Intelligence, từ liên kết: https://www.accenture.com/_
acnmedia/pdf-68/accenture-redefine-banking.pdf 
2. Board Financial Stability (2017), Artificial intelligence and machine learning in financial services, Tạp chí 
November, available at:  fsb. org/2017/11/artificialintelligence-and-machine-learning-in-financialservice/.
3. Gilbert Adam (2018), Artificial Intelligence and Bank Performance, từ liên kết: https://www.theclearinghouse.org/
banking-perspectives/2018/2018-q1-banking-perspectives/articles/ai-bank-performance 
4. GPS Citi (2018), The bank of the future, từ liên kết: https://www.citi.com/commercialbank/insights/assets/
docs/2018/The-Bank-of-the-Future/29/ 
5. Kaya Orçun, Jan Schildbach, Deutsche Bank AG và Stefan Schneider (2019), Artificial intelligence in banking, Tạp 
chí Artificial intelligence.
6. Lê Thị Anh Quyên Trần Nguyên Sa (2019), Ứng dụng trí tuệ nhân tạo trong lĩnh vực ngân hàng, Tạp chí Tài chính.
7. McCarthy J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1956), A proposal for the Dartmouth summer 
research project on artificial intelligence, từ liên kết: 
dartmouth.html 
8. WIPO (2019), Artificial Intelligence. WIPO Technology Trends.